-
先下载安装驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn，版本要求
WSL cuda 驱动 https://developer.nvidia.com/cuda/wsl -
下载安装 anaconda，管理虚拟环境：https://www.anaconda.com/products/individual，并换国内的源，加速后面下载包
linuxvim ~/.bashrc添加export PATH=/usr/local/bin:$PATH（conda路径自己改），source ~/.bashrc -
打开 conda 命令行，
conda create -n env_name python=3.7，or 自定义路径conda create --prefix=D:\yourpath\tf2 python=3.7 -
激活创建的虚拟环境，
activate env_nameoractivate D:\yourpath\tf2 -
去查需要安装的 tf 版本对应的 cuda 和 cudnn 的版本（以下是 tf 2.3 的 gpu版）
-
conda install cudatoolkit=10.1，conda install cudnn=7.6，pip install tensorflow-gpu==2.3
如果速度很慢，可以pip install -i https://mirrors.aliyun.com/pypi/simple/ tensorflow-gpu==2.3
-i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
cudatoolkit 历史版本 ：https://developer.nvidia.com/cuda-toolkit-archive
cudnn 下载慢可以去官网下载，并解压到虚拟环境路径下：
遇到下载很慢的包：
- 也可以去清华源下载 安装包放到： /anaconda3/pkgs
- 使用离线包安装 如：
conda install --use-local pytorch-1.9.0-py3.8_cuda11.1_cudnn8.0.5_0.tar.bz2
CUDA 版本要求链接 ：https://www.tensorflow.org/install/source_windows
安装包下载： https://blog.csdn.net/qq_27825451/article/details/89082978
版本匹配见下图
- 测试安装正确
import tensorflow as tfversion = tf.__version__
gpu_ok = tf.test.is_gpu_available()
# tf.config.list_physical_devices('GPU') # 也可以
print("tf version:", version, "\nuse GPU", gpu_ok)
输出：
tf version: 2.3.1
use GPU True
如果显示都成功找到GPU了，还报错，可能是你的显卡太旧了，尝试降低 tf 版本，或者换显卡，也有可能，显存不够，你可以调小点 batch_size
- conda常用命令
conda list：查看安装了哪些包
conda install package_name：安装包
conda env list 或 conda info -e：查看已安装虚拟环境
conda update conda：更新conda
conda remove --prefix=D:\yourpath\tf2x --all ：删除指定路径环境
)
